Imaging delays among medical inpatients in Toronto, Ontario: A cohort study
Notice bibliographique
Résumé
BACKGROUND: Imaging procedures are commonly performed on hospitalized patients and waiting for these could increase length-of-stay. The study objective was to quantify delays for imaging procedures in General Internal Medicine and identify contributing patient, physician, and system factors. METHODS: This was a retrospective cohort study of medical inpatients admitted to 5 hospitals in Toronto, Ontario (2010-2019), with at least one imaging procedure (CT, MRI, ultrasound, or peripherally-inserted central catheter [PICC] insertion). The primary outcome was time-to-test, and the secondary outcome was acute length-of-stay after test ordering. RESULTS: The study cohort included 73,107 hospitalizations. Time-to-test was longest for MRI (median 22 hours) and shortest for CT (median 7 hours). The greatest contributors to time-to-test were system factors such as hospital site (up to 22 additional hours), location of test ordering (up to 10 additional hours), the timing of test ordering relative to admission (up to 13 additional hours), and ordering during weekends (up to 21 additional hours). Older patient age, having more comorbidities, and residence in a low-income neighborhood were also associated with testing delays. Each additional hour spent waiting for a test was associated with increased acute length-of-stay after test ordering, ranging from 0.4 additional hours for CT to 1.2 hours for MRI. CONCLUSIONS: The greatest contributors to testing delays relate to when and where a test was ordered. Wait times affect length-of-stay and the quality of patient care. Hospitals can apply our novel approach to explore opportunities to decrease testing delays locally.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».